智能制造：不只是機器人

撰文/Gary Maidment

自動化曾經改變了工業生產的面貌，但是今天，數字化轉型對制造業的顛覆性影響已經遠遠超越了自動化。工業4.0、大規模定制、3D打印和納米材料等新技術即將取得重大突破，這些變化將重塑價值高達11.6萬億美元的制造業。

工業自動化進程由來已久。19世紀蒸汽動力紡織機的廣泛使用，標志著第一次工業革命的到來。到20世紀30年代，汽車制造業引領了以規模化生產為標志的第二次工業革命，為70年代的數控系統奠定了基礎。80年代，汽車廠商開始大規模采用工業機器人，計算機和自動化的應用成為第三次工業革命的標志。

時至今日，富士康在中國的制造基地已經擁有十條完全自動化的生產線，計劃到2020年讓中國工廠自動化率達到30%。2016年，阿迪達斯展示第一雙完全由機器人生產的球鞋，它在德國新建的制鞋廠將由機器人首批制造500雙原型球鞋。

自動化生產并不是新鮮事物，但數字化轉型并不只是讓機器人把零部件組裝成產品那么簡單。數字化轉型將顛覆制造業產業鏈上的每一個環節，引領我們進入第四次工業革命：信息物理時代。在新的時代，數據將成為核心，網絡連接、云、大數據、物聯網和人工智能的協同作用將開創新的商業模式。

然而，不容忽視的現實狀況是，制造業企業的數字化轉型進度仍然相對落后。

為何制造業姍姍來遲？

主要原因是基礎設施陳舊。制造業IT系統誕生之時，云、低價存儲和泛在連接都還不存在，導致工業數字化難度加大。此外，全面數字化還伴隨著一定的風險，因為軟件或網絡故障而停止整條生產線作業會給制造商帶來巨大損失。智能制造對網絡連接的要求非常高，時延必須降低到毫秒級，數據傳輸速率要達到10Gbit/s，才能滿足機器視覺和協作機器人的需求。最新的無線網絡解決方案可以提供高帶寬、低時延和可靠連接，令成本節省50%，能耗減少10%。

另一個同樣重要的問題在于，企業缺乏必要的數據分析人才。大數據對于制造業至關重要，只有具備了數據分析技能，才能對生產流程、機械故障、消費者習慣等產生深刻洞察。許多企業并不清楚如何部署數據分析方案，也不知道如何利用傳感器產生的海量數據。據麥肯錫估測，僅是在美國，數據分析專家的缺口很快就會增至150萬左右。

印度塔塔咨詢服務公司對制造業的大數據應用進行了研究，發現企業認為最大的問題是在數據科學家和管理層之間缺乏互信，這導致數據洞察無法服務于業務戰略選擇和落地。第二大問題是選擇什么數據來為哪些業務決策提供參考。第三是沒有足夠能力處理傳感器產生的海量數據，換句話說，制造業廠商還無法充分利用自己擁有的數據。

由于制造行業復雜多樣，因此并不存在全行業通用的數字化轉型戰略，各企業數字化轉型的節奏和方向都不盡相同。另外，許多企業缺乏必要的敏捷度，無法把關注焦點從精益制造這類傳統目標中轉移出來。塔塔咨詢服務公司調查顯示，根據制造業廠商的理解，數據分析帶來的前三大好處還是離不開傳統流程優化的目標：產品故障和質量追蹤、供應規劃、識別流程缺陷。

制造企業在數據分析、智能傳感器、工業物聯網等領域迅速行動，其實反映的是行業對精益流程青睞有加。這樣做也無可厚非，但在過去五年時間里，六西格瑪和精益制造的效益提升作用已經接近極限，因為流程已經非常完善，進一步優化的空間已不大。

心態轉變

傳感器的大量使用以及相關數據洞察將催生以服務為導向的新商業模式，不過并非所有企業都在充分利用這一轉變。通用電氣渠道、合作聯盟、業務發展和投資全球主管Denzil Samuels以航空公司客戶為例，介紹了通用電氣如何通過數據、物聯網、服務等助力客戶商業成功：“我們可以為航空公司提供實時信息，支持機組人員排班、貨物裝卸等航班業務運作。我們不但為他們提供飛機引擎，還可以提供一系列相關數據。所以，通用電氣不但是制造商，也是服務提供商，借助硬件內嵌傳感器產生的數據為客戶提供服務。”

除了技術之外，其他因素也會催生新的商業模式。客戶期待提高產品的個性化程度，縮短交付周期，這就要求制造商采用大規模定制模式，建立強大的數字基礎設施。

英國時尚初創企業Unmade在服裝生產前，可以讓消費者進行定制，定制設計的單位生產成本與批量生產的成本持平。Unmade的商業模式包含個性化、電子商務和按需生產三大元素，可以避免超量生產造成浪費。顧客可以使用在線的個性化編輯器修改服裝顏色、樣式和標識；通過電子商務，可以讓已有庫存和個性化定制部件捆綁銷售；按需制造模式，可以把訂單發送給合作針織廠加工制造。

盡管Unmade等公司已經證明了批量定制具有靈活敏捷的優勢，但許多傳統制造商遲遲不肯轉變心態，擁抱個性化定制的理念。不過隨著消費者期望的變化，這一點很可能會發生改變。

安全問題

《制造商業技術》雜志2017年3月報道稱，制造業遭到黑客攻擊的次數僅次于醫療行業，主要原因在于網絡安全投資不足。雖然網絡攻擊每年造成的損失高達成千上萬億美元，但企業在網絡安全領域面臨著跟數據分析同樣的問題，即人才不足。非營利信息安全倡導組織ISACA預測，到2019年全球網絡安全從業人員的缺口將達到200萬人。

隨著制造業邁向工業4.0時代，網絡的復雜度進一步提高，大量工業物聯網設備以及云端大數據處理的出現，使網絡的受攻擊面也進一步擴大。許多企業缺乏完備的端到端信息安全解決方案，無法抵御層出不窮的黑客攻擊。同樣，在研發環節，因為涉及知識產權和敏感數據的保護，需要采用相關的網絡解決方案把研發內網和辦公外網隔離開來，使用安全連接支持協作。

邁向未來

德國提出的工業4.0代表了歐洲制造業的下一階段，類似戰略還包括美國的工業互聯網和中國制造2025戰略。這些戰略都涉及使能技術和加速器的融合，從而實現物聯網智能工廠和智能制造。

智能制造并不僅僅是使用計算機和自動化，還涉及信息物理系統，即數字化映射（Digital Twin），建立流程、產品或服務的虛擬模型。智能傳感器可以利用無處不在的低時延網絡把數據傳輸到云端，并在云端進行分析處理。

在物理世界和虛擬世界之間建立映射有許多優勢。通用電氣利用飛機引擎上的智能傳感器采集數據，用于建立數字模型進行模擬，進而根據模擬渦輪葉片的磨損程度及時替換單個渦輪葉片，避免了引擎大修之痛，縮短了引擎停工維護的時間。

未來十年，智能制造將不再局限于工廠內部，還會把制造業和其他垂直行業連接起來，打通研發、原材料采購、生產、質檢、銷售、分銷和物流各個環節。

到2025年，3D打印將不再局限于原型開發，還會應用到規模生產中。今天在服裝、體育用品、電子產品中使用的納米材料屆時將發展成每年1700億美元產值的重要行業。機器人和人工智能技術的進步也將刺激產生新領域的需求。

人工智能、3D打印技術日漸成熟，工業4.0的物聯網生態以及不斷變化的市場動態將對未來產生什么影響？這都需要我們未雨綢繆。盡管技術在不斷進步，但我們所處的時代仍然充滿了不確定性。未來十年，面對數字化的顛覆，制造業必須進行戰略投資，建設數字基礎設施、提升員工技能、建立產業生態，才能取得商業成功。